Nástroje vícerozměrné klasifikace ve finanční analýze

Transkript

1 Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky Bakalářská práce Nástroje vícerozměrné klasifikace ve finanční analýze Plzeň, 2006 Alena Švédová

2 Anotace Tato bakalářská práce se zabývá analýzou nástrojů vícerozměrné klasifikace používaných ve finanční analýze. Na vzorku podniků z českého tržního prostředí, rozdělených do 5 oborů, jsou testovány vypovídací schopnosti celkem 9 modelů. V první teoretické části jsou tyto modely popsány a jsou zde také uvedeny jejich předpokládané vlastnosti. Další kapitoly se zabývají konkrétní realizací testů. Jejich výsledky porovnávám s hodnocením pomocí Quick testu a s hodnotami některých poměrových ukazatelů v rámci oboru. Praktickým výsledkem práce je určení testů, jež je vhodné použít k posouzení finanční situace českých podniků. Klíčová slova: vícerozměrná klasifikace, finanční analýza, Tafflerův model, Z-skóre bankrotní modely Altmanovy Abstract This bachelor s work deals with analyses of instruments of multivariate classification used in financial analyse. There are tested predicative abilities of 9 models on sample of Czech companies, which are divided into 5 branches. These models are described in the first theoretical part, and there are also introduced their expected characteristics. Next chapter is about test executions. I compare these results with Quick test and with results of Ratio analyse within the branch. Practical result of this work is to specify tests which are suitable for use in analyses of Czech companies financial situation. Key words: multivariate classification, financial analyse, Taffler s model, Altman s Z-score bankruptcy model 2

3 Cíl práce Hlavním cílem v této bakalářské práci je rozpoznat mezi 9 modely vícerozměrné klasifikace ty, které mohou být použity k hodnocení finanční situace podniků působících na českém trhu. Postup této práce je následující: nejprve vybereme vhodné podniky, jejichž finanční data jsou k dispozici, rozčleníme je do pěti oborů podle OKEČ: Výroba potravinářských výrobků a nápojů Výroba základních kovů a hutních výrobků Výroba motorových vozidel (kromě motocyklů), výroba přívěsů a návěsů Výroba a rozvod elektřiny, plynu a tepelné energie Stavebnictví Ze vstupních dat následně vypočteme jednotlivé hodnoty testů pro období pěti účetních let a ke každému podniku přidáme výpočet Quick testu. vybereme vhodné poměrové ukazatele, vypočteme jejich hodnoty pro podniky a dáme do srovnání s oborovými hodnotami. ze všech získaných dat sestavíme hodnocení jednotlivých testů a hodnocení celkové. Každý model je sestaven na jiném principu, proto je nutné nejprve jednotlivé modely zkoumat samostatně a zjistit jejich slabé stránky. Pro celkové hodnocení bude nutné následně jejich výpovědi sjednotit a pokusit se tak získat celkový obraz o jejich vypovídacích schopnostech. 3

4 OBSAH 1. Úvod Teoretická část Úvod Diskriminační analýza Konkrétní bonitní a bankrotní modely Index bonity Altmanovy formule bankrotu Indexy IN Beermanova diskriminační funkce Tafflerův model Realizační část Postup Sestavení souboru vstupních dat Výpočet testů vícerozměrné klasifikace Sestavení poměrových ukazatelů Vyhodnocení testů Index bonity Altmanovy formule bankrotu Indexy IN Beermanova diskriminační funkce Tafferův model Celkové zhodnocení Shrnutí Závěr...41 Literatura...43 Internetové zdroje...44 Přílohy

5 Prohlášení Prohlašuji, že jsem bakalářskou práci vypracovala samostatně a výhradně s použitím citovaných pramenů. V Plzni dne Alena Švédová 5

6 1. Úvod Úkolem této bakalářské práce je otestovat nástroje vícerozměrné klasifikace používané ve finančních analýzách na prostředí ekonomiky České Republiky. Nástrojem vícerozměrné klasifikace se rozumí výběr několika ukazatelů získaných z dat účetních výkazů a sestavených pomocí matematicko-statistických metod do určitého modelu. Výsledkem těchto testů by mělo být zhodnocení, zda můžeme v následujícím období očekávat případnou nesolventnost nebo dokonce bankrot firmy. Konkrétní modely byly sestavovány v různých zemích, za různých ekonomických podmínek dané země, tím pádem bude nutné rozlišit vlastnosti jednotlivých modelů a jejich vypovídací schopnosti v našich podmínkách. Pro potřeby této práce je vybráno 18 podniků, které jsou podle oborového členění zařazeny do 5 skupin. Na těchto firmách budou otestovány jednotlivé modely v období 5 (popř. 4) účetních období. Výsledky testů porovnáme s hodnotami několika základních poměrových ukazatelů jak v rámci jednotlivých podniků, tak v rámci odvětví. Pro další ohodnocení finanční situace jednotlivých podniků bude použita metoda jednorozměrné klasifikace, tzv. Quick test. S jeho pomocí a s pomocí výsledků analýzy poměrových ukazatelů zhodnotíme modely vícerozměrné klasifikace jednotlivě. Abych dosáhla celkového hodnocení výsledků testů, bude nutné jejich výpovědi sjednotit a porovnat s klasifikací podniků, kterou sestavíme pomocí známky Quick testu a poměrových ukazatelů. Tímto srovnáním získáme celkovou stupnici použitelnosti testů pro české podmínky. Pro realizaci testů a jejich vyhodnocení je použit program Microsoft Excel. 6

7 2. Teoretická část 2.1. Úvod Finančně ekonomickou situaci firmy lze analyzovat různými způsoby. Nejoblíbenější a také nejrozšířenější metodou jsou poměrové ukazatele, jež charakterizují vzájemný vztah mezi dvěma nebo více absolutními ukazateli, získanými z účetních dat, resp. rozvahy a výkazu zisku a ztrát, pomocí jejich podílu. Poměrové ukazatele umožňují získat rychlý a nenákladný obraz o základních finančních charakteristikách firmy. Jejich nevýhodou však je, že samy o sobě mají omezenou vypovídající schopnost, neboť charakterizují pouze určitý úsek činnosti firmy. Proto se pro komplexní hodnocení finanční situace podniku požívají soustavy ukazatelů. Při vytváření soustav ukazatelů se rozlišují: 1 1) Soustavy hierarchicky uspořádaných ukazatelů, jejichž typickým příkladem jsou pyramidové soustavy, které slouží k identifikaci logických a ekonomických vazeb mezi ukazateli jejich rozkladem. 2) Účelové výběry ukazatelů sestavované na bázi komparativně-analytických nebo matematicko-statistických metod. Cílem je sestavit takové výběry ukazatelů, které by dokázaly kvalitně diagnostikovat finanční situaci firmy (finanční zdraví), resp. predikovat její krizový vývoj (finanční tíseň). Podle účelu jejich použití se výběry člení na: o Bonitní (diagnostické) modely, které se snaží pomocí jednoho syntetického ukazatele (výběru několika málo ukazatelů), jenž nahrazuje jednotlivé analytické ukazatele různých vypovídacích schopností, vyjádřit finanční situaci, resp. pozici firmy (mezifiremní srovnávání). 1 viz literatura: Sedláček, J.: Účetní data v rukou manažera 2. doplněné vydání, Computer Press, Praha,

8 o Bankrotní (predikční) modely, které představují jakési systémy včasného varování, neboť podle chování vybraných ukazatelů indikují případné ohrožení finančního zdraví firmy. Podle způsobu jejich tvorby se modely člení na: o Jednorozměrné modely (tzv. univariate models), které se snaží najít jednoduchou charakteristiku, jež by souhrnně vyjadřovala finančně-ekonomickou situaci firmy a dokázala by relativně spolehlivě rozlišit prosperující a neprosperující firmy. Tato charakteristika se zpravidla vytváří tak, že se vyberou určité typické poměrové ukazatele, jejichž vyčíslená hodnota (za jiných okolností neagregovatelná) se transformuje na body, ze kterých se potom vypočítá jednoduchý, resp. vážený součet. Body se přitom přiřazují pomocí bodových stupnic, které se obvykle sestavují expertními metodami. Z jednorozměrných modelů jsou to modely, jejichž autory jsou Kralicek, Beaver a Tamari. o Vícerozměrné modely (tzv. multivariate models). U tohoto typu modelů je výběr poměrových ukazatelů (i jejich váhy) stanoven pomocí složitějších matematickostatistických metod. Nejčastěji se při jejich konstrukci používá diskriminační analýza Diskriminační analýza Jejím výsledkem je rovnice, do které se dosazují hodnoty finančních ukazatelů a na základě výsledku se dá předpovídat, zda se jedná o do budoucna prosperující firmu, či o adepta na bankrot. Zjednodušeně lze techniku diskriminační analýzy ukázat na jednoduchém příkladě. Řekněme například, že jsme shromáždili následující informace o jednotlivých firmách: rentabilitu vlastního kapitálu (ROE), úrokové krytí a současně, zda v nějakém následném období došlo k bankrotu firmy. Zobrazme si výsledky na obrázku. 8

9 obr Diskriminační analýza Křížky zobrazují v dvourozměrném prostoru firmy, které nezbankrotovaly, a kolečka pak firmy, které zbankrotovaly. Jedním rozměrem dvourozměrného prostoru je ROE, druhým pak úrokové krytí. Diskriminační analýza hledá takovou přímku, která dokáže obě skupiny firem od sebe nejlépe odlišit diskriminovat. Přímka na obrázku je dána rovnicí, jejíž parametry byly spočteny právě diskriminační analýzou Konkrétní bonitní a bankrotní modely K diagnóze i predikci finanční situace firem se používá v současnosti značné množství výběrových soustav ukazatelů (modelů). Většina těchto účelově vytvořených soustav ukazatelů představuje aplikaci zahraničních modelů, jejichž transformace na podmínky české ekonomiky naráží na vážné problémy, zejména na: o absenci dostatečně dlouhé časové řady sledovaných finančních ukazatelů o problematiku validity (správnosti) dat o dynamicky se měnící sociálně-ekonomické prostředí Přejímané modely vznikaly a byly verifikovány pro určité stadium společensko ekonomického vývoje tržně vyspělých zemí, pro určité konkrétní typy podniků, pro danou etapu jejich rozvoje a jejich působení v tržním prostředí. Je nesporné, že žádný model není schopen vystihnout specifika jednotlivých firem a jejich podmínek, stejně tak i odlišnosti v účetních postupech mezi jednotlivými zeměmi. 9

10 Index bonity 2 Index bonity (nazývaný též Indikátor bonity) je založen na multivariační diskriminační analýze podle zjednodušené metody. Model byl sestaven a používá se hlavně v německy mluvících zemích, proto mohou hodnoty indexu u firem v České republice nabývat hodnot, které nebudou přesně korespondovat se situací dané firmy na českém trhu. Pracuje se následujícími 6 ukazateli: x = cash - flow 1 cizí zdroje x = celková aktiva 2 cizí zdroje x = zisk před zdaněním 3 celková aktiva x = zisk před zdaněním 4 celkové výkony x = zásoby 5 celkové výkony x = celkové výkony 6 celková aktiva Index bonity pak počítáme z rovnice: IB i = 1,5 xi 1+ 0,08 xi xi3 + 5 xi4 + 0,3 xi5 + 0, 1 xi6 Čím větší hodnotu B i dostaneme, tím je finančně-ekonomická situace hodnocené firmy lepší. Přesnější závěry můžeme vyslovit s využitím následující hodnotící stupnice finanční situace: extrémně velmi špatná určité dobrá velmi extrémně špatná špatná problémy dobrá dobrá -3 až -2-2 až -1-1 až 0 0 až až až a více tab Hodnocení podle výsledku Indexu bonity Nejen index bonity, ale i následující testy obsahují ukazatel Cash-flow (CF), jako finanční tok peněz ve firmě. Běžný způsob výpočtu CF je známý jako konečný stav peněžních prostředků mínus počáteční stav. Pojem Cash-flow může být ale interpretován dalšími 2 viz literatura: Kralicek, P.: Základy finančního hospodaření, Linde Praha a.s., Praha,

11 způsoby. Nejčastější a nejvhodnější forma pro výpočet tohoto ukazatele pro potřeby finanční analýzy se dá znázornit takto: CF = bilanční zisk + Σ přídělů (rozpouštění) do rezervního fondu + Σ příděly (rozpouštění) do rezerv + odpisy Výše uvedený Cash-flow pro ukazatele je pravdivým měřítkem jen při mírně rostoucích obratech. Při silném vzestupu obratu, třeba v zakladatelské fázi, udávají tyto indikátory skutečnou platební schopnost příliš vysoko. A obráceně, při silných poklesech obratu je v pokladně více peněz, než se dá očekávat na základě shora uvedených Cash-flow Altmanovy formule bankrotu Profesor financí E. I. Altman aplikoval diskriminační analýzu, a to pro data z 66 zbankrotovaných a nezbankrotovaných společností kótovaných na New Yorské burze. Jeho formuli bankrotu, nazývanou též Z-skóre, stanovil v letech 1968, 1983 a V první fázi svého zkoumání vybral Altman z 22 ukazatelů 5, které považuje ve své kombinaci jako nejlepší indikátory pro předvídání problémů a v druhé fázi těmto pěti ukazatelům přidělil váhy podle jejich významu. Altman stanovil diskriminační funkci vedoucí k výpočtu Z-skóre diferencovaně pro firmy s akciemi veřejně obchodovatelnými na burze a zvlášť pro předvídání finančního vývoje ostatních firem. Různě stanovil i hranice pásem pro predikci finančního vývoje firmy. 1. Z-skóre pro firmy s veřejně obchodovatelnými akciemi se vyčíslí podle vztahu: (r. 1968) Z 1 =,2 x1 + 1,4 x2 + 3,3 x3+ 0,6 x4 + 1, 0 1 x 5 kde x = pracovní kapitál 1 celková aktiva x = zisk před zdaněním a úroky (EBIT) 3 celková aktiva x = zisk po zdanění 2 celková aktiva x = tržní hodnota vlastního kapitálu 4 celkové dluhy x = celkové tržby 5 celková aktiva 11

12 Hodnota Z 1 vyjadřuje finanční situaci firmy a pro její hodnoty platí: Z 1 > 2,99 Z 1 1,81; 2,98 Z 1 < 1,81 můžeme předvídat uspokojivou finanční situaci firmy nevyhraněná finanční situace, tzv. šedá zóna grey area, hodnoty v pásmu poblíž přímky diskriminační funkce velmi silné finanční problémy, otázka možného bankrotu firmy tab Hodnocení podle výsledku Altmanova modelu Z 1 U tohoto modelu je nutné podotknout, že byl stanoven v Americe v poválečném období, což se dnešní situaci v České republice nemůže podobat, proto opět nemůžeme očekávat, že budou firmy tímto modelem zhodnoceny věrohodně. O úpravu, přibližující se ekonomice české republiky se pokusil profesor Miloslav Synek. Speciálně pro českou ekonomiku, pro níž je charakteristická vysoká platební neschopnost firem, je zařazen ukazatele x 6, který charakterizuje platební neschopnost firmy a o nějž se snižuje hodnotu indexu. Těžko ale přidání jednoho ukazatele změní model natolik, aby byl přesnější. 2. Úprava Z-skóre pro ekonomiku ČR podle prof. Synka: 3 Z 2 =,2 x1 + 1,4 x2 + 3,3 x3 + 0,6 x4 + 1,0 x5 + 1, 0 1 x 6 kde x = závazky po lhůtě splatnosti 6 tržby Otázkou ale zůstává, že pokud podnik nemá závazky po lhůtě splatnosti, pak je Z 1 rovno Z 2, má tedy stejné vlastnosti jako Z Pro ostatní podniky (neakciové) se Z-skóre vypočítá podle Altmana ze vztahu: (r. 1983) Z 3 =,717 x1 + 0,847 x2 + 3,107 x3 + 0,420 x4 + 0, x 5 3 viz literatura: Synek, M.: Manažerská ekonomika, Grada Publishing, Praha,

13 kde x 1, x 2, x 3 a x 5 jsou definovány stejně jako v předchozím vztahu a x = základní kapitál 4 celkové dluhy Hranice pro předvídání finanční situace jsou v tomto případě následující: Z 3 > 2,9 Z 3 (1,2; 2,9 Z 3 1,2 můžeme předvídat uspokojivou finanční situaci firmy nevyhraněná finanční situace, tzv. šedá zóna grey area, hodnoty v pásmu poblíž přímky velmi silné finanční problémy, otázka možného bankrotu firmy tab Hodnocení podle výsledku Altmanova modelu Z 3 4. Rovnice pro podniky nevýrobní, obchodní a začínající tržní prostředí podle Altmana: (r. 1995) Z 4 =,56 x1 + 3,26 x2 + 6,72 x3 + 1, 05 6 x 4 kde poměrové ukazatele jsou stejné jako pro model z roku 1983, pouze chybí x 5. Tabulka hodnot je následující: Z 4 > 2,6 Z 4 1,1; 2,6 Z 4 1,1 můžeme předvídat uspokojivou finanční situaci firmy nevyhraněná finanční situace, tzv. šedá zóna grey area, hodnoty v pásmu poblíž přímky velmi silné finanční problémy, otázka možného bankrotu firmy tab Hodnocení podle výsledku Altmanova modelu Z 4 Tento model byl původně sestaven také i pro malé výrobní podniky a měl by dobře fungovat pro české prostředí, pokud situaci v České republice označíme za začínající tržní ekonomiku. 13

14 Indexy IN.. 4 Autory indexů IN jsou Inka a Ivan Neumaierovi, kteří se v roce 1995 rozhodli analyzovat vybrané významné bonitní a bankrotní indikátory (které převažovaly) a zprostředkovat nejčastěji vytipované ukazatele. Z ukazatelů, které považuje za nejvýznamnější nejvíce modelů a ve výsledných indikátorech se objevují nejčastěji, sestavili index IN95. Index IN95 Je výsledkem analýzy 24 ukazatelových systémů, které vznikly na základě modelů, ratingu a praktické zkušenosti při analýze finančního zdraví podniků. Obdobně jako Altmanovo Z-skóre obsahuje index důvěryhodnosti IN95 standardní poměrové ukazatele z oblasti aktivity, výkonnosti, zadluženosti a likvidity. Významnost jednotlivých ukazatelů, resp. jejich váhy, jsou výsledkem analýzy empiricko-individuálních ukazatelových systémů pro konkrétní podnik. Pokud nejsou vztahy mezi ukazateli transparentní, není možné vytvořit model toho, co se ve firmě odehrává. Tento model je tedy pro tuto práci nepoužitelný, neboť data, se kterými bude procováno, nebudou pro tento model dostatečná. V roce 1999 ale Neumaierovi pro rychlou identifikaci tvorby (zničení) hodnoty firmou sestavili zjednodušený výpočet indexu IN, který akcentuje pohled vlastníka. Index IN99 Vychází z toho, že existuje korelace mezi tvorbou hodnoty a vybranými kvantitativními proměnnými, které byly určeny pomocí diskriminační analýzy. Pomocí tohoto postupu byly revidovány váhy ukazatelů indexu IN95 platné pro ekonomiku ČR s ohledem na jejich význam pro dosažení kladné hodnoty ekonomického zisku (EVA). Index IN99 pro vlastníky vznikl v roce 2000 a zakládá se na datech firem za rok Pro vzorek 1698 firem byl propočten ekonomický zisk. Dále byl zjištěn profil finančního zdraví těchto firem pomocí vybraných ukazatelů (základem byly ukazatele indexu IN95). Byly vytvořeny dvě skupiny firem 1. firmy s kladnou hodnotou EVA a 2. firmy se zápornou hodnotou EVA. Každá skupina byla charakterizována typickými hodnotami vybraných 4 viz 14

15 ukazatelů. Pomocí diskriminační analýzy byly zprostředkovány ukazatele nejlépe vysvětlující rozdíl mezi oběma skupinami, které se objevují jako z hlediska EVA nejvýznamnější. Významnost ukazatelů odráží výsledná hodnota jejich vah. o Index IN99 (vlastnický) má následující tvar: IN99= 0,017 x x 1+ 4,573 x2 + 0,481 x3 + 0, kde x = celková aktiva 1 cizí kapitál x = celkové výnosy 3 celková aktiva x = EBIT oběžná aktiva 2 x4 = celková aktiva krátkodobé závazky + krátkodobé bankovní úvěry Firmu lze charakterizovat podle hodnot v následující tabulce: IN99 2,070 IN99 1,420; 2,070) IN99 1,089; 1,420) IN99 0,684; 1,089) IN99 < 0,684 firma vytváří hodnotu, dosahuje kladné hodnoty ekonom. zisku spíše tvoří hodnotu nelze určit, zda tvoří, či ne spíše netvoří hodnotu, převažují firemní problémy firma netvoří hodnotu, záporná hodnota ekonomického zisku tab Hodnocení podle výsledku testu IN99 Protože ekonomický zisk neodráží hodnotu růstových příležitostí, je třeba pro posouzení skutečnosti, zda firma tvoří pro majitele hodnotu (dosahuje kladné čisté současné hodnoty), posoudit předpokládanou míru dlouhodobého růstu firmy. Index je vhodný v případech, kdy si posuzovatel firmy netroufne odhadnout její alternativní náklad na vlastní kapitál, který je základní podmínkou pro propočet ekonomického zisku. Je samozřejmé, že pokud firma není schopna plnit své závazky, není tato skutečnost pro vlastníka únosná, protože je ohrožena existence firmy. Z hlediska vlastníka je plnění věřitelského kritéria pro hodnocení firmy podmínkou nutnou, nikoli však postačující. Skutečnost, že firma řádně plní své závazky ještě nemusí znamenat, že tvoří pro vlastníka hodnotu. Může nastat i opačný případ, firma tvoří hodnotu pro vlastníky, ale její způsob 15

16 financování je tak agresivní (např. v důsledku příliš rychlého růstu), že není schopna plnit své závazky. Při svém vzniku měl ale IN99 prý lepší úspěšnost. Důvodem je vliv změn úrokových měr a bezrizikové sazby od doby jeho vzniku. Dnes se jeví jako velmi přísný, tj. zařazení do oblasti tvorby hodnoty indexem IN99 vykazuje vyšší pravděpodobnost správného zařazení. Sítem indexu IN99 projdou jen podniky výrazně tvořící hodnotu. V roce 2002 byl zkonstruován index, který by spojoval oba předchozí pohledy věřitelský a vlastnický. Tak vznikl index IN01 (analogicky podle použitých dat pro jeho sestavení). Index IN01 Tentokrát autoři Inka a Ivan vzali 1915 podniků z průmyslu a rozdělili je na skupinu 583 podniků tvořících hodnotu (tj. s kladným ekonomickým ziskem), skupinu 503 podniků v bankrotu nebo těsně před bankrotem a 829 ostatních podniků. Pomocí diskriminační analýzy dospěli k indexu IN01 pro průmysl: IN01= 0,13 x x 1+ 0,04 x2 + 3,92 x3 + 0,21 x4 + 0, 09 5 kde x = celková aktiva 1 cizí kapitál x = EBIT 2 nákladové úroky x = EBIT 3 celková aktiva x = celkové výnosy 4 celková aktiva x 5 = oběžná aktiva krátkodobé závazky + krátkodobé bankovní úvěry Opět tabulka zařazení podniku: IN01 1,77 IN01 (0,75; 1,77) IN01 0,75 podnik tvoří hodnotu tzv. šedá zóna, podnik netvoří hodnotu, ale také nebankrotuje podnik spěje k bankrotu tab Hodnocení podle výsledku testu IN01 16

17 Beermanova diskriminační funkce Beermanův test se používá pro hodnocení současné finanční situace a prognózu vývoje v řemeslných a výrobních firmách. Na základě praktických zkušeností se tento model nedoporučuje používat pro obchodní společnosti, resp. pro firmy, u kterých je dominantní obchodní činnost. Relevantními činiteli je podle Beermana právě níže uvedených 10 ukazatelů, funkce je tvaru: BDF = 0,217 x i + 0,161 x i8 i1 + 0,268 x 0,063 x i9 i2 + 0,124 x + 0,012 x i10 i3 + 0,077 x i4 0,105 x i5 0,813 x i6 + 0,165 x i7 kde x 1 odpisy DHM = počáteční stav DHM + přírůstek x = přírůstek DHM za období 2 odpisy DHM x = zisk před zdaněním 3 tržby x = závazky vůči bankám 4 celkové dluhy x = zásoby 5 tržby x = 6 x = 7 cash flow celkové dluhy celkové dluhy celková aktiva x = zisk před zdaněním 8 celková aktiva x = 9 tržby celková aktiva x = zisk před zdaněním 10 celkové dluhy Dělící hodnotou, oddělující prosperující firmy od neprosperující, je v případě Beermanovy diskriminační funkce je hodnota 0,3. Detailnější hodnocení se provádí opět podle tabulky: velmi dobře dobře průměrně špatně 0,3 méně než 0,2 0,2 až 0,25 0,25 až 0,35 více než 0,35 tab Hodnocení podle výsledku Beermanovy funkce 17

18 Tafflerův model Index byl publikován v roce 1977 a využívá 4 poměrové ukazatele v rovnici tvaru: T = 0,53 x x 1+ 0,13 x2 + 0,18 x3 + 0, 16 4 kde x = 1 zisk před zdaněním krátkodobé závazky x = krátkodobé závazky 3 celková aktiva x = 2 oběžná aktiva cizí kapitál x 4 = tržby celková aktiva Pro ohodnocení firmy tímto modelem použijeme tabulku: T > 0,3 T < 0,2 firma s malou pravděpodobností bankrotu vysoké riziko bankrotu tab Hodnocení podle výsledku Tafflerova modelu Manželé Inka a Ivan Neumaierovi, jež jsou autory indexů IN, testovali na vzorku podniků, na kterém vytvořili index IN01, úspěšnost nejen indexů IN, ale též modelů uvedených v této práci. Nejlepšího výsledku, blížícího se 80% úspěšnosti dosáhl Tafflerův bankrotní model. Pak v úspěšnosti následuje skupina tři indexů: Index bonity, index IN01 a Altmanovo Z 4 z roku Výsledky jejich práce mohou být na vzorku 18 podniků použitých v této práci potvrzeny, nebo naopak. 18

19 3. Realizační část 3.1. Postup Pro vypracování této práce bylo nezbytně nutné sesbírat veškeré informace, které se týkají modelů vícerozměrné klasifikace. Zjistit, kdy a za jakých podmínek byly vytvořeny, a za jakých podmínek a pro jaké podniky by měly fungovat. Dalším krokem postupu mého řešení bylo vybrat soubor firem, podnikajících na území České republiky. Úkolem samozřejmě nebylo pouze tyto podniky vybrat, ale získat jejich výroční zprávy nejlépe pět let pozpátku, zvolila jsem období Podniky nebyly vybírány náhodně, jedná se především o akciové společnosti (pro porovnání jsou zařazeny dvě společnosti s ručením omezeným) působící na českém trhu již delší dobu, s počtem zaměstnanců vyšším než 100, s hodnotou základního kapitálu nad tis. Kč. Nejde tedy o malé, začínající firmy. Veškerá data jsou získána z veřejně dostupných zdrojů z internetových stránek jednotlivých podniků, z čehož můžeme ovšem předpokládat, že tyto velké podniky, zveřejňující výsledky svého hospodaření, neočekávají v nejbližší době bankrot. Je nutné také uvést, že ve vybraném souboru podniků tedy není ani jeden již zbankrotovaný podnik, který by mohl potvrdit, že test umí na základě dostupných dat označit finanční situaci za spějící k bankrotu. Z výročních zpráv bylo nutné sestavit soubor vstupních dat, jež budou použita do výpočtů jednotlivých bonitních a bankrotních testů. Tato nejpracnější a časové nejnáročnější část práce spočívala hlavně ve vyhledání informací ve zprávách a následné přepsání dat do tabulek. Nejednotná forma jednotlivých výročních zpráv tuto práci nemálo ztěžovala. Ze získaných dat jsou dále vypočteny poměrové ukazatele, jež budou porovnány s oborovými průměry těchto ukazatelů. Ukazatele jsou zvoleny tak, aby pokryly důležité oblasti finanční analýzy, a to rentabilitu, zadluženost a likviditu. Pro bližší určení finanční situace podniku je u každého vypočten také Quick test, neboli rychlý test, jejímž autorem je prof. Peter Kralicek. I když tento test pracuje pouze se čtyřmi ukazateli, podává ale dobrou informaci o dvou úsecích hospodaření podniku, totiž o finanční stabilitě a výnosové situaci podniku. Z Quick testu a poměrových ukazatelů sestavím analýzu firmy, která bude srovnána s výsledkem jednotlivých testů. Mým cílem bude zjistit, jak dostatečně pravdivé jsou hodnocení daných modelů vícerozměrné klasifikace na vzorku českých podniků. 19

20 3.2. Sestavení souboru vstupních dat Výběr podniků, které jsou v této práci použity k analýze testů vícerozměrné klasifikace, byl podmíněn hlavně dostupností dat. Protože vstupní data testů jsou obsažena nejen v rozvaze, výkazu zisků a ztrát (dále VZZ), ale také v přílohách k účetním výkazům, musela jsem vybírat pouze ty podniky, které tyto údaje veřejně publikují. Podniky, u kterých jsem měla k dispozici potřebné údaje, jsem následně rozdělila podle ekonomické činnosti, do pěti oborů Odvětvové klasifikace ekonomických činností OKEČ: Výroba potravinářských výrobků a nápojů Výroba základních kovů a hutních výrobků Výroba motorových vozidel (kromě motocyklů), výroba přívěsů a návěsů Výroba a rozvod elektřiny, plynu a tepelné energie Stavebnictví Ty finanční ukazatele, jež nebyly přímo udávány v účetních výkazech, tj. v rozvaze a VZZ, byly spočteny buď přímo z dat ve výkazech uvedených, nebo z informací, které udávala příloha k výroční zprávě. Konkrétně se jednalo o tyto ukazatele: Cash-flow (CF) = provozní výsledek hospodaření + finanční výsledek hospodaření + + odpisy + ( - ) tvorba ( rozpouštění ) rezerv Celkové výkony = celkové tržby = tržby za prodej zboží + výkony Pracovní kapitál = oběžná aktiva krátkodobé závazky EBIT ( Earnings Before Interest and Taxes ) = provozní výsledek hospodaření + + finanční výsledek hospodaření + nákladové úroky Celkové výnosy = součet všech výnosových hodnot z VZZ Z příloh bylo nutné vyhledat hodnoty těchto ukazatelů: Závazky po lhůtě splatnosti Počáteční stav dlouhodobého hmotného majetku (DHM) Přírůstek DHM za období V ojedinělých případech tyto údaje z příloh chyběly, z toho důvodu z daného období nelze vypočítat testy, jež tyto ukazatele obsahují. 20

21 3.3. Výpočet testů vícerozměrné klasifikace Pro realizaci testů a jejich následné vyhodnocování jsem použila tabulkový procesor Microsoft Excel. Vstupní data byla přepsána z výročních zpráv. Výpočty jsou prováděny pro každý obor v samostatném listě. Stock Index bonity x 1 0, , , , , x 2 2, , , , , x 3 0, , , , , x 4 0, , , , , x 5 0, , , , , x 6 1, , , , , IB 6,95 5,82 6,36 6,15 3,27 tab Výpočty jednotlivých ukazatelů Firmy Stock Plzeň a.s.v letech pro Index bonity bonity platí: Hodnoty indexů x i jsou vkládány ze vstupních dat, konkrétně pro příklad Indexu x = cash - flow 1 cizí zdroje x = zisk před zdaněním 4 celkové výkony x = celková aktiva 2 cizí zdroje x = zisk před zdaněním 3 celková aktiva x = 5 zásoby celkové výkony x = celkové výkony 6 celková aktiva IB je hodnota Indexu bonity vypočtené podle vzorce: IB i = 1,5 xi 1+ 0,08 xi xi3 + 5 xi4 + 0,3 xi5 + 0, 1 xi6 Další testy jsou realizovány podle stejné šablony, vzorce pro ostatní modely vícerozměrné klasifikace jsou udány v teoretické části. 21

22 Jako závěrečný výpočet je u každého podniku proveden Kralickuv Quick test, neboli rychlý test, z roku Jedná se o formu jednorozměrné klasifikace, která ale poskytuje rychlou možnost s poměrně velmi dobrou vypovídací schopností oklasifikovat analyzovanou firmu. Ze 4 oblastí analýzy, tj. stability, likvidity, rentability a hospodářského výsledku je zvolen jede ukazatel tak, aby byla zabezpečena vyvážená analýza jak finanční stability, tak výnosové situace firmy. Pracuje se s následujícími ukazateli: 1. Kvóta vlastního kapitálu = Vlastní kapitál / Aktiva celkem 2. Doba splácení dluhu v letech = (Cizí zdroje finanční majetek) / CF 3. Rentabilita celkového kapitálu (dále ROA) = EBIT / Celková aktiva 4. CF v % podnikového výkonu = CF / Celkové tržby Bonita podniku se pak stanoví tak, že každý ukazatel se podle dosaženého výsledku nejprve oklasifikuje podle tabulky 3.2 a výsledná známka se pak určí jako jednoduchý aritmetický průměr známek získaných za jednotlivé ukazatele. K bližší analýze jsou spočteny také známky zvlášť pro finanční stabilitu a zvlášť pro výnosovou situaci. ukazatel výborný (1) velmi dobrý (2) dobrý (3) špatný (4) ohrožen insolvencí (5) kvóta vlast. kapitálu > 30 % > 20 % > 10 % > 0 % negativní doba splácení dluhu < 3 roky < 5 let <12 let > 12 let > 30 let CF v % výkonu > 10 % > 8 % > 5% > 0 % negativní ROA > 15 % > 12 % > 8 % > 0 % negativní tab. 3.2 Hodnocení podle výsledku Quick testu V případech, kdy podnik vykazoval v roce zápornou hodnotu Cash-flow, jako je to např. v roce 2001 u firmy Vítkovice Steel a.s., pak ukazatel doby splácení dluhu v letech vychází se záporným znaménkem, což v tabulce není zařazeno. Protože ale tento ukazatel ukazuje, za jak dlouho je podnik schopen splatit své dluhy, kdyby vykazoval v letech stejné CF, pak se záporným CF není schopen dluhy splatit nikdy, proto jsem takovýto ukazatel klasifikovala známkou 5. Do kladných hodnot by se tento ukazatel v takovém případě mohl dostat pouze, když by hodnota finančního majetku převyšovala hodnotu cizích zdrojů. 22

23 Ukázka výpočtu se zápornými hodnotami CF je v tabulce Quick test Kvóta vlastního kapitálu 63,22% 74,95% 80,39% 85,70% 2. Doba splácení dluhu -24, , , , Rentabilita celkového kapitálu -6,93% 1,77% 4,85% 33,60% 4. Cash-Flow v % podnikového výkonu -4,65% 3,23% 14,02% 42,40% Hodnocení Finanční stabilita Výnosová situace 5 4 2,5 1 Celkové hodnocení 4 3 1,75 1 tab. 3.3 Výpočet Quick testu pro podnik Vítkovice Steel, a.s. v letech Podle výsledku celkového hodnocení Quick testem lze charakterizovat situaci podniku takto: podnik s výslednou hodnotou nižší než 2 považujeme za bonitní a podnik s hodnotou vyšší než 3 za spějící k bankrotu Sestavení poměrových ukazatelů Poměrové ukazatele charakterizují vzájemný vztah mezi dvěma položkami účetních výkazů pomocí jejich poměru. Umožňují získat rychlý obraz o základních finančních charakteristikách podniku a v této práci jsou použity k časovému a průřezovému porovnávání. Poměrové ukazatele se klasifikují do určitých skupin podle oblasti, jež charakterizují. K analýze firem v této práci jsem proto vybrala ukazatele, které zastupují důležité oblasti finanční situace podniků, a to: 1. Rentabilita Rentabilita ( výnosnost) vlastního kapitálu ROE = Výsledek hospodaření po zdanění / Vlastní kapitál ukazatel ROA = EBIT / Aktiva celkem 23

24 2. Zadluženost Kvóta vlastního kapitálu = Vlastní kapitál / Aktiva celkem 3. Likvidita Pohotová likvidita = (Pohledávky + finanční majetek) / (Krátkodobé závazky + + krátkodobé bankovní úvěry Okamžitá likvidita = Finanční majetek / Krátkodobé závazky První čtyři z výše uvedených jsou porovnávány s oborovými průměry z let 2000, 2001, 2003 a Rok 2002 chybí z toho důvodu, že v materiálech ministerstva průmyslu a obchodu ČR, z nichž jsem tyto informace čerpala, nebyl k dispozici. Nicméně si myslím, že tato data budou postačující. Ukazatel ROA a kvóta vlastního kapitálu jsou použity také v Quick testu. Ukazatel okamžité likvidity je použit pouze k dodatečnému posouzení schopnosti podniků plnit své závazky okamžitě, tedy pouze z finančních prostředků Vyhodnocení testů K vyhodnocování výpočtů jednotlivých testů jsem zvolila jednoduchý postup: sestavit tabulky podle jednotlivých let, kde jsou vyneseny hodnoty poměrových ukazatelů oborové, hodnoty vypočtené pro jednotlivý podnik a výsledek Quick testu. Druhou částí, resp. druhou tabulkou, pak jsou hodnoty jednotlivých testů vícerozměrných klasifikací pro daný rok s ohodnocením. Stock hodnota hodnocení 2000 obor podnik index bonity 6,95 ++ ROE 10,01% 50,32% + Z1 3,69 + ROA 9,38% 36,67% + Z2 3,69 + VK/A 42,81% 54,50% + Z3 2,82 + likvidita 0,72 1,24 + Z4 5,17 + IN99 2,21 + Quick test IN01 2,10 + finanční stabilita 1 Beerman -0,45 ++ výnosová situace 1 Taffler 0,88 + tab. 3.4 Tabulka použitá pro vyhodnocování, firma Stock Plzeň a.s. v roce

25 Jak si lze všimnout, vedle tabulky s poměrovými ukazateli je jejich hodnocení, jak si podnik stojí v rámci oboru, pro které jsem zvolila jednoduché označení: + pro hodnoty, jež se nacházejí nad oborovými průměry - pro hodnoty, jež se nacházejí pod oborovými průměry p označuje hodnoty, které spadají do pásma oborového průměru, toto pásmo jsem pro své potřeby zvolila ± 10% z hodnoty oborového průměru. Hodnocení u jednotlivých testů je sestaveno pomocí stupnic uvedených v tabulkách a je následující: 5 Index bonity ++ extrémně dobrá fin. situace + dobrá fin. situace problémy podnik má určité problémy - špatná fin. situace Z1, Z2, Z3, Z4, IN01, Taffler + dobrá fin. situace nelze šedá zóna, nelze určit fin. situaci - silné fin. problémy, může přijít i bankrot IN99 + firma vytváří hodnotu spíše + spíše tvoří hodnotu nelze nelze určit spíše - spíše netvoří hodnotu - podnik nevytváří hodnotu Beerman ++ velmi dobrá fin. situace + dobrá fin. situace průměr průměrná situace - špatná fin. situace tab. 3.5 Sestavené hodnocení pro jednotlivé testy 5 Podrobné vysvětlení k jednotlivým ohodnocením je v příloze č.1:bakalářská práce.xls v listu: Hodnoty v letech 25

26 Index bonity Index bonity byl sestaven pro podniky z německy mluvících zemí. Na vzorku 18 podniků z České republiky se ale ukázalo, že ho lze použít i u nás. Již z prvního pohledu na funkci IB je vidět, že největší váhový důraz je kladen na ukazatele x 3 a x 4, kde se v obou případech objevuje v čitateli hospodářský výsledek před zdaněním. IB i = 1,5 xi 1+ 0,08 xi xi3 + 5 xi4 + 0,3 xi5 + 0, 1 xi6 Tento fakt, že celkový IB je do značné míry ovlivňován právě hospodářským výsledkem a opisuje jeho vývoj v čase, je vidět na příkladu firmy Plzeňský Prazdroj a.s. Níže uvedené grafy 3.1 a 3.2 tuto závislost dokazují. 5 4,5 4 3,5 Index bonity 3 2,5 2 Index bonity Horní mez 1,5 1 0, graf. 3.1 Index bonity pro firmu Plzeňský Prazdroj a.s. 26

27 Hospodářský výsledek před zdaněním Hospodářský výsledek před zdaněním graf. 3.2 Hospodářský výsledek před zdaněním firmy Plzeňský Prazdroj a.s. Je důležité zmínit, že hospodářský výsledek před zdaněním byl v tomto případě počítán jako součet provozního, finančního a také mimořádného výsledku. Ve finančních analýzách by na mimořádné zisky, popř. ztráty neměl být brán zřetel, proto např. u podniku Unilever ČR, spol. s r.o. v roce 2004 nemůžeme u Indexu bonity, stejně jako u Z 4 a Beermanova modelu záporné hodnocení uvažovat za relevantní, právě z důvodu započtení mimořádné ztráty v hodnotě tis. Kč. U jiných firem se tak vysoká hodnota mimořádného výsledku hospodaření již neobjevila. Porovnání Indexu bonity a Quick testu (Q): Do známek Q = 2,25 Index bonity hodnotí firmy jako v dobré finanční situaci, v rozmezí hodnot Q 2,5; 3,25 z celkem 66 případů spadá do pásma určitých finančních problémů 8 případů, v 7 jsou podniky hodnoceny jako dobré. Špatná finanční situace je spojována s hodnotami Q > 3,5. Pouze v případě Unilevru v r IB ukazuje na špatnou finanční situace i při Q = 2, a to z důvodů, které již jsou výše zmíněny. Výhodou Indexu bonity je fakt, že stupnice hodnocení neobsahuje žádnou tzv. šedou zónu, tedy prostor, ve kterém nelze určit, jak si podnik stojí. Jen mezi hodnotami IB = (0; 1) lze neurčitě říci, že podnik má problémy. Jaké, to je nutné zjistit až podrobnější analýzou. 27

28 Altmanovy formule bankrotu Altmanův test Z 1 se na vzorku 18 podniků z České republiky, celkem na 66 pozorování, neukázal jako vhodný k posuzování finanční situace firem. Vysoké procento 45,45 % případů spadlo do šedé zóny, a to celkem ve 4 případech, kdy hodnota Quick testu Q = 1. Důležitou roli v tomto modelu hraje pracovní kapitál. V případě, že je v podniku záporný pracovní kapitál, tedy omezená likvidita, pak přestože je jinak firma oborově relativně v průměrných hodnotách, test Z 1 upozorňuje na bankrot. Ukázat si to můžeme na příkladu Východočeské plynárenské a.s obor podnik ROE 4,99% 8,01% ROA 5,77% 7,07% VK/A 55,66% 49,82% likvidita 0,49 0,64 tab. 3.6 Oborové a podnikové hodnoty poměrových ukazatelů Východočeské plynárenské a.s. Pod oborovým průměrem je pouze ukazatel kvóty vlastního kapitálu, který udává informaci, zda je nebo není absolutně mnoho dluhů v % celkových aktiv. Nejméně by tento ukazatel měl být na úrovni 30 %, aby byli spokojeni jak vlastníci, tak věřitelé, což v tomto případě je. Hodnota Quick testu Q = 1,75 potvrzuje dobrou finanční situaci firmy, Altmanova formule Z 1 = 1,48, tzn., že by měl být podnik v tísni. Dalším důležitým ukazatelem v tomto případě je x 3, tedy ROA (poměr EBITu k celkovým aktivům). Tomuto ukazateli je přidána nejvyšší váha. Pokud má firma vysokou hodnotu celkových aktiv, celkového kapitálu, pak přestože má výsledky hospodaření na českém trhu dostatečné, ukazatel x 3 je nízký a snižuje hodnotu celé funkce: Z 1 =,2 x1 + 1,4 x2 + 3,3 x3+ 0,6 x4 + 1, 0 1 x 5 Tento fakt, že test je postaven na výnosnosti, návratnosti aktiv, je možné dokázat opět na příkladu, tentokrát firmy Pražské teplárenské a.s. konkrétně v roce 2001 viz tabulka

29 2001 obor podnik ROE 6,28% 8,54% ROA 6,59% 5,28% VK/A 57,57% 57,31% likvidita 0,47 1,28 tab. 3.7 Oborové a podnikové hodnoty poměrových ukazatelů Pražské teplárenské a.s. Rychlý test je i v tomto případě roven Q = 1,75, tedy dobrá finanční situace, což potvrzuje také oborové srovnání. Z-skóre tvrdí opak, totiž Z 1 = 1,71. Pro české prostředí tento test nevyhovuje také z toho důvodu, že šedá zóna, tedy pásmo kolem diskriminační přímky, ve kterém nelze určit situaci podniku, je příliš široké. Testem Z 2 byla pro tuto práci označena úprava Altmanova modelu Z 1 podle prof. Miloslava Synka. Předpoklad, že jeden ukazatel neovlivní vypovídací schopnost uvedeného Z 1 se mi potvrdila. Pouze ve 39,4% případů se hodnota Z 2 lišila od Z 1, a to průměrně pouze o 0,036. Ani v jednom případě se hodnocení Z 2 nelišilo od Z 1. Test Z 3 má být určen pro neakciové společnosti, v našem případě jsou testovány společnosti s ručením omezeným, a to Unilever ČR s.r.o. a MVV Energie CZ s.r.o.. Důležité je zmínit vysoké číslo 72,7 % - v tolika procentech ze všech testovaných podniků bylo hodnocení nerozhodné, tedy hodnoty vyšly do šedé zóny. Co se týká neakciových společností, hodnocení se shoduje s testem Z 1, resp. Z 2, není tedy v našem případě rozdíl, zda použijeme test pro akciové, či neakciové společnosti. U poslední z Altmanových formulí bankrotu je vidět, že byl test sestaven později, tedy v roce Pásmo šedé zóny je užší než u předešlých Z-skóre testů a spadá do něj 37,88% mnou testovaných podniků. Opět ale do šedé zóny spadly 4 případy, kdy se Quick test Q = 1, tedy kdy by měl test jednoznačně potvrdit finanční zdraví. Jedná se o firmu Plzeňský Prazdroj a.s., kde opět dochází k situaci, že jsou celková aktiva vysoká v poměru k EBITu a také k pracovnímu kapitálu. K těmto dvěma ukazatelům (x 1 a x 3 ) jsou ovšem v Z 4 funkci přiřazeny nejvyšší váhy a tím je tedy výsledná hodnota snížena. Z 4 =,56 x1 + 3,26 x2 + 6,72 x3 + 1, 05 6 x 4 29

30 Dalším porovnáváním s Quick testem a oborovými průměry se opět objevuje problém Východočeské plynárenské a.s. a ukazatele x 1, v němž je obsažen záporný pracovní kapitál. Tento problém byl řešen výše u testu Z 1. U modelu Z 4 je tento rozdíl v hodnocení ještě zvýšen vyšší hodnotou váhy u x 1 a objevuje se ještě u společnosti MVV Energie v roce Pokud vyloučíme tyto případy, potom test predikuje bankrot v případech, kdy Quick test vychází v hodnotách Q > 2,5, což se jeví jako přísné hodnocení. Ještě upozorněme na případ, kdy Quick test vychází Q = 3, ale model Z 4 firmu hodnotí jako finančně zdravou. Jedná se o Feronu a.s. v letech 2001, 2003 a Třinecké železárny a.s. v r Výnosová situace je podle rychlého testu špatná, tím je celkové Q sníženo na hodnotu 3. Tyto hodnoty jsou způsobeny výrazně nižším Cash-flow proti vysokým tržbám. I oborově je vidět, že výnosnost je pod průměrem, nicméně finančně si podniky stojí dobře, proto bych v tomto případě věřila více testu Z 4 a souhlasila s jeho hodnocením. Jednoznačně lze říci, že z Altmanových formulí se test Z 4 jeví jako nejvhodnější k testování v českých podmínkách, ať už jen z toho důvodu, že méně případů spadá do šedé zóny a lze o nich tedy rozhodnout Indexy IN.. Hodnocení indexu IN99 nám neříká, zda podnik spěje, či nespěje k bankrotu. Jeho hodnoty nám udávají, zda podnik tvoří, či netvoří hodnotu, neboli zda dosahuje kladného, ekonomického zisku. Pokud výsledky testu indexem IN99 opět nejprve porovnáme se známkováním Quick testem, zjistíme, že IN99 zařadil pouze 16,6% případů do oblasti tvorby hodnoty, tedy kladného ekonomického zisku. Jelikož ekonomický zisk se liší od zisku účetního, tedy od toho, kterým se zabývá tato práce, pak nevíme, zda podniky opravdu tento zisk tvoří, či ne. Pokud ale zohledníme fakt, že vybraný vzorek 18 podniků obsahuje velké podniky s jistě kvalitním managementem, který o kladný ekonomický zisk dbá, pak je z našich výsledků vidět, že index IN99 je v dnešní době dost přísný, co se týče zařazení do tvorby hodnoty. Na druhou stranu ale můžeme věřit, že pokud je podnik ohodnocen indexem IN99, jako že hodnotu tvoří, pak je pravděpodobné, že je toto ohodnocení oprávněné. Nejmladší z modelů vícerozměrné klasifikace uvedených v této práci je index IN01. Byl vytvořen a vyzkoušen na podnicích České republiky, měl by být tedy vhodný i k posouzení našich 18 firem. Procento případů, které padlo do šedé zóny je i přesto dost 30

31 vysoké, a to 42,4%. Kromě tří hodnot se test shodoval s hodnocením Quick testu, i s porovnáváním poměrovými ukazateli. Tyto tři výjimky rozebereme blíže. Pokud budeme uvažovat pomyslnou hranici oddělující finančně zdravé firmy od firem s potížemi jako hodnotu Quick testu Q = 3, pak IN01 zařadil dva případy, s hodnotami Q = 3,25 a Q = 3,5 nesprávně. V obou případech se jedná o firmu Metrostav a.s., konkrétně v letech 2001 a Index IN x 1 1, , , , , x 2 37, , , , x 3 0, , , , , x 4 1, , , , , x 5 1, , , , , IN01 2,51 85,48 15, ,67 6,75 tab. 3.8 Výpočty jednotlivých ukazatelů Firmy Metrostav a.s.v letech pro index IN01 Zaměříme-li si na roky 2001 a 2003, je viditelné, jak nadměrně vzrostly výsledné hodnoty indexu. Důvodem je zcela zjevně vysoká hodnota ukazatele x 2, tedy: x = 2 EBIT nákladové úroky Ukazatel EBIT je vysvětlen výše, nákladové úroky představují platební povinnost z titulu úroků vůči bankám, dodavatelům, v případě půjček, finančních operací. Nepatří sem úroky, pokud se zahrnují přímo do pořizovací ceny nehmotného a hmotného investičního majetku. Právě ve sledovaných letech firma Metrostav a.s. vykazovala velmi nízké nákladové úroky v poměru k EBITu, čímž hodnota ukazatele x 2 extrémně vzrostla. I když je tomuto ukazateli přisuzována nejnižší váha, dokonce pouze 0,04, na výše uvedeném případě je vidět, že i tak dokáže celkovou hodnotu IN01 rozhodně ovlivnit. Zjednodušeně lze říci, že podnik s nízkými zisky, ale bez půjček, bez úvěrů, tedy bez zatížení vysokými nákladovými úroky, bude tímto indexem označován vždy jako tvořící hodnotu, jako finančně silný, i když tomu tak být nemusí. Firma Metrostav není jediným případem, kdy index IN01 vykazoval vysoké výsledné hodnoty v závislosti na vysoké hodnotě ukazatele x 2, ostatní podniky ale byly zařazeny do plusových hodnot oprávněně, proto je již nebudu jmenovat. 31

32 Třetím případem, který na tomto místě zmíním, je firma MVV Energie CZ, s.r.o. v roce Tento podnik se v letech 2000 až 2003 pohyboval co se týče finanční situace na okraji bankrotu, jeho poměrové ukazatele byly silně pod oborovým průměrem, stejně tak hodnotil i rychlý test. Nicméně rok 2004 se podle těchto čísel jeví jako finančně úspěšný, výnosová situace se dostala dokonce až nad oborové průměry. Hodnota Quick testu pro rok 2004 je Q = 2,25. Index IN01 se v tomto roce také zvýšil, ale stejně stále odkazuje na pravděpodobnost bankrotu. Zkusme tedy porovnat, jak se index změnil mezi lety 2001, kdy byla firma v nejhorších hodnotách, a Změny ukazatelů IN změna x1 2,0905 1, , , , ,1318 x2 0,113 0,503 0,240 0,004 2,128 1,6247 x3 0, , , , , ,0891 x4 0,0635 0,0753 0,0903 0,0822 0,0831 0,0078 x5 0,2734 0,0903 0,0679 0,1443 0,2366 0,1463 tab. 3.9 Jednotlivé ukazatele Firmy MVV Energie CZ, s.r.o. v letech pro index IN01 a změny ukazatelů mezi lety 2001 a 2004 Všechny ukazatele sice vzrostly, nejvíce ale konkrétně proměnné x 2 a x 5, kterým jsou ve funkci přiřazeny nejnižší koeficienty. Připomeňme si, jak funkce indexu vypadá: IN01= 0,13 x x 1+ 0,04 x2 + 3,92 x3 + 0,21 x4 + 0, 09 5 Největší váha je přiřazena ukazateli x 3, tedy jako obvykle ukazateli ROA (poměru EBITu k celkovým aktivům). Tento ukazatele ale pro firmu MVV Energie vzrostl pouze o 0,089, neboť vzrostly obě položky ukazatele. Vynásobením vahou 3,92 dostáváme změnu celkového ukazatele způsobenou ukazatelem x 3 : 0,089 *3,92= 0, 349. Tedy ačkoliv se podnik výrazně finančně stabilizoval, zlepšil výnosnost, vzrostl hospodářský výsledek, přesto se tato změna ve výpočtech indexu IN01 výrazně neprojevila. I když v ostatních případech již nedošlo k výkyvům v hodnocení pomocí indexu IN01, jeho 42,4% případů v šedé zóně a výše popsané sporné případy mne nepřesvědčily o tom, zda je tento ukazatel natolik vhodný pro české podniky tak, jak to tvrdí jeho autoři. 32

33 Beermanova diskriminační funkce Tento model by se měl používat v řemeslných a výrobních firmách. Do takovýchto předpokladů by tedy nemusely z výběru v této práci zapadat pouze energetické podniky. Opravdu ve 4 případech Beermanova funkce mezi energetickými podniky vypověděla zcela odlišný výsledek než ostatní testy. Stejně tak ale i mezi ostatními podniky, tedy výrobními. Konkrétně se jedná o firmy Vítkovice Steel a.s v roce 2000, Nová Huť a.s. v roce 2000 a ŽS Brno a.s. také v roce 2000, kdy hodnoty všech ostatních ukazatelů, nejen poměrových, ale také ostatních modelů, ukazují finanční tísni, Beermanův test hodnotí firmu jako finančně zdravou. Porovnávání hodnot s Quick testem ukázalo, že Beermanův test vykazuje potíže tam, kde nejsou a hodnotí dobré finanční zdraví tam, kde naopak existují. Beermanův model Quick test ++ + problémy ,25 1 1, , , , , ,25 3 3, , Σ = 23 Σ = 11 Σ = 9 Σ = 7 tab Četnosti hodnocení Beermanovým modelem rozložené podle hodnot Quick testu Zjednodušeně: plusové hodnoty by měly být nad pomyslnou hranicí Q = 3, zatímco záporné pod touto hranicí. Žlutě jsou vyznačeny sporné momenty tohoto výroku. Toto žluté označení patří konkrétně firmám Unilever ČR s.r.o v roce 2003, Vítkovice Steel a.s. rok 2000, MVV Energie CZ s.r.o. rok Jelikož je Beermanova formulace testu dost složitě sestavena, celkem z 10 ukazatelů, podrobnější rozbor jednotlivých případů by byl nad rámec této práce. Stačí tedy říci, že je tímto alespoň dokázáno, že testovat finanční zdraví podniku 33

34 Beermanovou diskriminační funkcí má jisté trhliny, co se týče spolehlivosti správného hodnocení, a to i u výrobních podniků Tafferův model Poslední z testovaných vícerozměrných klasifikací je Tafflerův bankrotní model. Jeho výpovědí by měla být predikce, zda lze očekávat bankrot, či zda není pravděpodobný. V začátku této práce jsem uvedla předpoklad, že firmy, vybrané do této práce jsou léta prosperující, velké a známé firmy, jako třeba Škoda a.s., Plzeňský Prazdroj a.s. apod., u kterých snad finanční potíže nemusíme očekávat. Právě Tafflerův test zařadil nejméně případů do finanční tísně, tedy do pravděpodobnosti bankrotu. Konkrétně zařadil pouze 2 podniky do potíží, a to podle jejich hodnot vůči oboru i vůči rychlému testu oprávněně. K tomu, abychom konstatovali, že tento model, sestavený dokonce pouze ze 4 ukazatelů, je ze všech uvedených nejpřesnější, ho ještě porovnáme jako ostatní s Quick testem. Tafflerův model Quick test + N ,25 2 1,5 7 1, , ,5 6 2, ,25 4 3, , Σ = 59 Σ = 2 Σ = 5 tab Četnosti hodnocení Tafflerovým modelem rozložené podle hodnot Quick testu Také tento model má vyhraněné pásmo pro neurčité rozhodnutí, je využito ale pouze ve 3% pozorováních. Oproti Quick testu, u kterého jsme pomyslnou hranici uváděli na Q = 3, 34